【正文】 要的圖像中無關的內容，從而達到簡化圖像數(shù)據(jù)的目的。數(shù)學形態(tài)學的基本運算包括：腐蝕、膨脹、開、閉等。由此可見，CB 形態(tài)運算是基于經(jīng)典形態(tài)運算而創(chuàng)建出來的的，是對經(jīng)典形態(tài)學的進一步詮釋。傳統(tǒng)的數(shù)學形態(tài)學濾掉干擾信息的原理：設有圖像A，并有結構元素B（根據(jù)具體圖像具體選擇），先用結構元素B膨脹圖像A，再用B對剛才的結果進行進行腐蝕操作，這主要是濾除檢測目標周圍的冗余噪聲；再用B腐蝕A，最后B對A進行膨脹，這樣可以去除檢測目標內里的干擾噪聲。而現(xiàn)實中，待處理圖像并不是固定不變的，圖像尺度的不同決定了適用于它們的結構元素矩陣是有差異的，有時差異可能會很明顯。這有可能影響圖像邊緣點的定位精度和部分較強邊緣和較弱邊緣的缺失。該算法基本思想如下：由（）和（），得 （43） （44）將以上兩式加權平均，即可得到改進的復合CB多尺度形態(tài)學濾波算法 （45） 改進的多尺度形態(tài)學邊緣檢測算法文獻[35]中提出了一種多結構元數(shù)學形態(tài)學邊緣檢測算（將該算法縮寫為MMED MSENE），通過前面對傳統(tǒng)經(jīng)典形態(tài)學邊緣檢測和新興的ＣＢ形態(tài)學邊緣檢測的比較，為了得到更好的邊緣檢測效果，現(xiàn)在對其進行改進出一種新算法Ｅ－MMED MSENE，該算法的核心思想為選?。硞€合適的結構元素、接著用它們的輪廓、對目標圖像進行檢測和連接邊緣。理論上，應該能得到很好的檢測效果。它們的表達式如下： （49） （410） （411）這里，和分別表示原圖像的灰度值和邊緣檢測處理后的圖像灰度值，和表示圖像的尺寸，即圖像的寬高。其次，就本文改進的EMMED MSENE算法而言，其歐式梯度邊緣檢測效果優(yōu)于內邊界和外邊界邊緣檢測效果。實驗證明，canny算子對椒鹽噪聲圖像濾除效果明顯低于高斯噪聲圖像。不同的檢測對象可能最適應的高低閾值不同，不能一概而論。但，高斯濾波器結構復雜，且計算速度較慢，實際應用價值較差。基于此，我想提出一種改進的自適應中值濾波canny邊緣檢測算子。不斷涌現(xiàn)出的各種基于形態(tài)學的邊緣檢測算法也獲得了良好的實際應用效果。綜上所述，我提出了下面的改進的自適應canny形態(tài)學算法。假設濾窗為S，濾波窗口內灰度最小值設為Min。算法原理：第一層( Alevel)和第二層( Blevel) .Alevel: A1 = Med Min A2 = Med Max 若A1 0 且A20 ,則執(zhí)行l(wèi)evel B ,否則即增加濾窗S的尺度。定義結構元素B1=[0 1 1 0。0 1 0 1。0 0 1 0]。 B5=[1 0 0。1 1 0。0 0 0]。0 1 0]。（3）算法流程圖：原圖像自適應中值濾波計算梯度幅值非極大值抑制 邊緣連接 邊緣細化 輸出圖像 仿真分析 為進一步驗證改進的上述邊緣檢測算法效果，下面我們以傳統(tǒng)Lena圖像進行邊緣檢測分析。 本文改進的2種算法的比較分析椒鹽噪聲圖像的邊緣檢測結果：評價標準算法1（內邊界）算法1（外邊界）算法1（歐式邊界）算法2EMMED MSENEMSEMAEPSNR 椒鹽噪聲圖像邊緣檢測高斯噪聲圖像的邊緣檢測結果：評價標準算法1（內邊界）算法1（外邊界）算法1（歐式邊界）算法2EMMED MSENEMSEMAEPSNR 高斯噪聲圖像邊緣檢測上述表格中，“算法1”為本文改進的多尺度形態(tài)學邊緣檢測算法；“算法2”為本文改進的自適應canny形態(tài)學算法結果分析：不論是對含椒鹽噪聲的圖像還是對含高斯噪聲的圖像，算法1的內邊界檢測、外邊界檢測、歐式梯度邊界檢測的峰值信噪比PSNR均都較算法2的高，均方誤差(MSE)和平均絕對誤差(MAE)數(shù)值都較算法2的小，這說明：相較算法2，算法1提取的邊緣質量較高，提取的邊緣效果較好，具有相對較高的邊緣檢測性能。邊緣是圖像最基本的特征，邊緣就是圖像的邊緣輪廓，包含了大量的圖像信息，是一幅圖像中像素灰度值變化最為顯著的部分，廣泛存在于目標與背景之間。下面我們來看一下，邊緣檢測技術的實際應用。為了更為有效的進行醫(yī)學研究，掌握癌癥細胞的結構、變化，是必不可少的。正因為如此，許多專家和學者為此進行了本論文的主要工作如下：（1）分析了邊緣檢測算法的歷史和研究現(xiàn)狀（2）分析了傳統(tǒng)邊緣檢測算法的優(yōu)缺點（3） 重點研究和分析坎尼算子和形態(tài)學邊緣檢測算法，介紹了它們的理論基礎和各自的優(yōu)缺點。（4）提出了本文算法的實際應用價值，并驗證了它的應用效果。但研究要深入，漫漫浮夸的研究知識，并不能獲得較好的 學術研究效果。找到一些既能充分運用多種濾波技術的優(yōu)點的算法 （2）加強各種邊緣檢測技術的融合，不僅是經(jīng)典邊緣檢測算子和形態(tài)學邊緣檢測算子，還可嘗試其它方面：如神經(jīng)網(wǎng)絡算法、遺傳算法等。之后第二位作者名字的首字母放在前面，姓放在后面，如：Frank Norris 與Irving Gordon應為：Norris, F. amp。 L. Grossberg(eds.). Victory in Limbo: Imigism [C]. Urbana: University of Illinois Press, 1988, .[10] Almarza, . Student foreign language teacher’s knowledge growth [A]. In and (eds.). Teacher Learning in Language Teaching [C]. New York: Cambridge University Press. 1996. .【格式】[序號][D].出版地：保存者，出版年份：起始頁碼.【舉例】[11] [D].北京：北京大學數(shù)學系數(shù)學研究所, 1983：17.【格式】[序號][R].出版地：出版者，出版年份：起始頁碼.【舉例】[12] [R].北京：清華大學核能技術設計研究院, 1997：910.【格式】[序號]【舉例】[15] [Z].1991—06—05【格式】[序號]原著作者. 書名[M].譯者，：出版社，出版年份：起止頁碼.[3] 李恩中. 醫(yī)學圖像處理與分析軟件平臺綜述[J]. 計算機科學與探索, 2008, 2(5).[4] 管澤鑫、姚 青. 數(shù)字圖像處理技術在農作物病蟲草識別中的應用[J]. 中國農業(yè)科學, 2009, 42(7).[5] 盛占輝. 注塑制品模內收縮的可視化實驗研究[D]. 大連理工大學, 2008.[6] 劉中合、王瑞雪. 數(shù)字圖像處理技術現(xiàn)狀與展望[J]. 計算機時代,2005(9).[7] 寧天夫. 數(shù)字圖像處理技術的應用與發(fā)展[J]. 艦船電子工程, 2009(1).[8] 魏偉波、芮筱亭. 圖像邊緣檢測方法研究[J]. 計算機工程與應用, 2006,30.[9] 伏爾堅斯坦m (上冊)[M].北京:高等教育出版社,1958[10] 管宏蕊、丁輝. 圖像邊緣檢測經(jīng)典算法研究綜述[J]. 首都師范大學學報, 2009, 30.[11] 高朝陽、張?zhí)l(fā). 圖像邊緣檢測研究進展[J]. 科技導報, 2010, 28(30).[12] 趙晶晶、諶海新. 紅外小目標圖像預處理方法研究[J]. 信號處理, 2009, 25(7).[13] 陳玉娟. 噪聲圖像中模糊目標的邊緣檢測研究[D]. 湖南大學, 2010.[14] 朱柱. 邊緣檢測技術研究[D]. 蘇州大學, 2010.[15] 段瑞玲、李慶祥. 圖像邊緣檢測方法研究綜述[J]. 光學技術, 2005, 31(3).[16] 賈磊、焦淑紅. 圖像邊緣檢測技術研究綜述[J]. 科技風, 2010.[17] 雷麗珍. 數(shù)字圖像邊緣檢測方法的探討[J]. 測繪通報, 2006(3).[18] 王冰. 用Roberts算子進行邊緣處理[J]. 甘肅科技, 2008, 24(10).[19] 邢軍. 基于Sobel算子數(shù)字圖像的邊緣檢測.[J]. 微機發(fā)展, 2005, 15(9).[20] 袁春蘭、熊宗龍. 基于Sobel算子的圖像邊緣檢測研究[J]. 激光與紅外, 2009, 39(1).[21] 陸宗騏、梁誠. 用Sobel算子細化邊緣[J]. 中國圖象圖形學報, 2000, 5(6).[22] 張學蘭、李軍. 基于Prewitt算子與形態(tài)學的紙病圖像檢測方法[J]. 儀表與自控, 2012, 31(8).[23] 劉明艷、趙景秀. 用Prewitt算子細化邊緣[J]. 光電子技術, 2006, 26(4).[24] 劉蕊. 數(shù)字圖像中邊緣檢測算法的研究[D]. 江蘇科技大學, 2009.[25] 陳躍妤. 圖像邊緣檢測算法概述[J]. 計算機與信息技術, 2011.[26] putational approach to edge detection. [J],IEEE Transactionson Pattern Anlaysisand MachineIntelligence,1986(6):67869[27] 熊秋菊、楊慕升. 數(shù)字圖像處理中邊緣檢測算法的對比研究[J]. 機械工程與自動化, 2009(2).[28] 周超. 邊緣檢測canny算子的研究與改進[D]. 重慶師范大學, 2012.[29] 沈麗容. 圖像邊緣檢測算法比較研究[J]. 福建電腦, 2011(5).[30] 李偉. 基于數(shù)學形態(tài)學的邊緣檢測算法研究[J]. 計算機與數(shù)字工程, 2008(11).[31] 李秀忠、高向東. 基于二值形態(tài)學的焊縫圖像處理[J]. 試驗與研究, 2006,35(6).[32] 王樹文、閆成新. 數(shù)學形態(tài)學在圖像處理中的應用[J]. 計算機工程與應用, 2004(32).[33] 郭曉鑫、劉立. 數(shù)學形態(tài)學在信號處理中的應用綜述[J]. 儀器儀表學報, 2009, 30(10).[34] 張冬芳、王向周. 基于數(shù)學形態(tài)學的圖像邊緣處理[J]. 微計算機信息, 2006, 22(81).[35] 王慧鋒、戰(zhàn)桂禮. 基于數(shù)學形態(tài)學的邊緣檢測算法研究及應用[J]. 計算機工程與應用, 2009, 45(9).[36] 亢潔、史忠科. 新穎的CB形態(tài)學串并復合散斑噪聲濾波器[J]. 光電工程, 2008, 35(2).[37] 董賢軍、湯曉安. CB 形態(tài)學的邊緣檢測算法研究[J]. 計算機工程與應用, 2010, 46(10).[38] 楊剛、亢潔. CB 形態(tài)金字塔及其在圖像匹配中的應用[J]. 信息技術, 2011(8).[39] 張翔、劉媚潔. 基于數(shù)學形態(tài)學的邊緣提取方法[J]. 電子科技大學學報, 2002, 31(5).[40] 朱士虎、朱 紅. 形態(tài)學運算中結構元素選取方法研究[J]. MODERN COMPUTER, 2009.[41] 張黃群、于盛林. 形態(tài)學圖像去噪中結構元素選取原則[J]. 數(shù)據(jù)采集與處理, 2008, 23.[42] 閆麗麗、許長輝. 于數(shù)學形態(tài)學細化算子的改進Canny算法研究[J]. 測繪科學, 2010, 35(2). [43] 黃鋒華、劉琪芳. 基于MATLAB數(shù)字圖像邊緣檢測算子的研究[J]. 機械工程與自動化, 2011(4).附錄附錄主要代碼：（1）形態(tài)學邊緣檢測的評價標準，部分：J=imread(39。salt amp。[M,N]=size(F)。I5=imdilate(I4,b)。g3=imdilate(f0,b2)imerode(f0,b2)。 y2=y1^2。 sum2=sum2+y2。 y2=y1^2。 sum2=sum2+y2。 y2=y1^2。 sum2=sum2+y2。f0=rgb2gray(f)?；叶葓D39。 pepper39。)。,)a2=rgb2gray(a1)。r=1。原圖39。 imshow(x1)。% f=im2double(x1)。自適應中值濾波39。imshow(result)。%207。% B1=[0 0 1 0。0 1 1 1。0 0 0 0]。 B5=[1 0 0。1 1 0。0 0 0]。0 1 0]。 I3=imerode(I2,B3)。 I7=imerode(I6,B7)。 I11=imerode(I10,B2)。 I15=imerode(I14,B6)。 figure。 BW=edge(g,39。title(39。在這3年期間，我過得充實而快樂。我真切的感受到了“世上無難事，只要肯攀登”，這句話的含義。